Fault detection and isolation for dynamic processes using recurrent neural networks

The paper focuses on the problem of fault detection and isolation for dynamic processes using selected recurrent neural networks. The main objective is to show how to employ some discoveries of the chaos theory for modeling processes by means of globally and locally recurrent neural networks. Both types of neural models are used in fault detection and isolation block. The performance of the FDI system is examined using two types of neural models: Jordan/Elman tower neural networks and networks with dynamic neural units. The paper contains numerical examples that illustrate the merits and limits of these two approaches.

---

Treść artykuł wiąże się z problemem detekcji i lokalizacji uszkodzeń dla szerokiej gamy procesów dynamicznych z użyciem wybranych rekurencyjnych sieci neuronowych. Głównym celem jest pokazanie w jaki sposób mogą zostać zastosowane niektóre z odkryć teorii chaosu do modelowania procesów z użyciem globalnych i lokalnych struktur neuronowych. Oba typy modeli neuronowych zostały użyte w bloku detekcji i lokalizacji uszkodzeń. Sprawność układu diagnostycznego porównana została dla modeli procesów z zastosowaniem: sieci wielo-kontekstowych Jordana/Elmana i sieci z neuronami dynamicznymi. W artykule zamieszczono przykłady numeryczne wskazujące na zalety i wady obu podejść.